国产一三区A片在线播放,国产AV一卡2卡三卡4卡

基于疲勞駕駛的人眼定位方法研究[人工智能][工業(yè)自動化]

人眼定位是疲勞駕駛的研究關鍵。由粗到精，先后進行了人臉檢測、瞳孔定位。針對現(xiàn)有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權的HOG特征提取算法，該算法將待分類的人臉特征進行信息熵閾值加權，形成新的HOG特征，然后通過支持向量機進行分類；針對現(xiàn)有瞳孔定位算法準確率不高的問題，提出了多算法協(xié)同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點，實現(xiàn)了眼部區(qū)域光照不變性，以灰度積分投影為依據(jù)實現(xiàn)了瞳孔精確定位。實驗結果表明，該文提出的人臉檢測算法在CelebA驗證數(shù)據(jù)集準確率可達到98.26%，較傳統(tǒng)識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度，提高了瞳孔定位的準確性。

發(fā)表于：12/15/2020

基于頻域注意力時空卷積網(wǎng)絡的步態(tài)識別方法[模擬設計][信創(chuàng)產(chǎn)業(yè)]

為了解決步態(tài)信息冗余多、特征重要性分布不均勻以及步態(tài)的時空特征難以學習的問題，提出了基于頻域注意力的時空卷積網(wǎng)絡進行步態(tài)識別。該方法改進了三維卷積網(wǎng)絡(C3D)學習時空特征，同時提出了一種頻域注意力卷積操作，既減少了冗余計算，注意力的調(diào)整又提高了學習效果。網(wǎng)絡首先將步態(tài)信息劃分為五組，然后通過改進的卷積進行時空特征抽取，最后通過Softmax層進行分類。在中科大數(shù)據(jù)集CASIA dataset B中進行測試，在Bag狀態(tài)與Coat狀態(tài)下準確率分別為88.5%、92.8%，分別較傳統(tǒng)深度卷積網(wǎng)絡(Deep CNN)提升3%左右，同時注意力在網(wǎng)絡學習中重新分布，各個角度下的準確率也平均提升2%左右。

發(fā)表于：12/15/2020

基于雙流卷積神經(jīng)網(wǎng)絡和生成式對抗網(wǎng)絡的行人重識別算法[人工智能][信創(chuàng)產(chǎn)業(yè)]

近年來，針對行人重識別問題的深度學習技術研究取得了很大的進展。然而，在解決實際數(shù)據(jù)的特征樣本不平衡問題時，效果仍然不理想。為了解決這一問題，設計了一個更有效的模型，該模型很好地解決了目標的不同姿態(tài)的干擾以及數(shù)據(jù)集中的圖片數(shù)量不足的問題。首先，通過遷移姿態(tài)生成對抗網(wǎng)絡生成行人不同姿勢的圖片，解決姿態(tài)干擾及圖片數(shù)量不足的問題。然后利用兩種不同的獨立卷積神經(jīng)網(wǎng)絡提取圖像特征，并將其結合得到綜合特征。最后，利用提取的特征完成行人重識別。采用姿勢轉換方法對數(shù)據(jù)集進行擴展，有效地克服了由目標不同姿勢引起的識別誤差，識別錯誤率降低了6%。實驗結果表明，該模型在Market-1501和DukeMTMC-Reid上達到了更好的識別準確度。在DukeMTMC-Reid數(shù)據(jù)集上測試時，Rank-1準確度增加到92.10%，mAP 達到84.60%。

發(fā)表于：12/15/2020

基于稀疏建模和SVM的管道缺陷分類方法研究[其他][其他]

埋地鋼質(zhì)管道缺陷識別及評估是管道檢測領域中長期存在的難點之一，而實現(xiàn)對管道缺陷準確分類的前提是管道損傷信號的精準提取，針對埋地管道缺陷信號特征提出一種基于稀疏建模和支持向量機(SVM)的管道缺陷信號提取與識別方法。通過從原始信號中學習獲得字典，將該字典采用正則化正交匹配追蹤算法構建缺陷信號稀疏模型，并根據(jù)壓縮感知理論獲得信號的特征向量。進一步，采用多分類SVM將缺陷信號的特征向量與管道實際缺陷類型建立映射關系，并通過遺傳粒子群優(yōu)化算法指導SVM參數(shù)選取。結果表明：提出的分類方法可實現(xiàn)對管道缺陷損傷程度的準確劃分，該方法已經(jīng)成功通過實驗室驗證，并成功應用于華北某油田的工程領域檢測。

發(fā)表于：12/15/2020

干線動態(tài)協(xié)調(diào)控制的深度Q網(wǎng)絡方法[人工智能][工業(yè)自動化]

為有效降低城市交通干線的車均延誤與停車次數(shù)，將深度Q網(wǎng)絡引入干線協(xié)調(diào)控制，給出了一種干線動態(tài)協(xié)調(diào)控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結合雙重深度Q網(wǎng)絡與基于競爭架構深度Q網(wǎng)絡，并將干線作為整體處理，通過深度神經(jīng)網(wǎng)絡挖掘干線各交叉口協(xié)調(diào)控制的相關性，基于Q學習進行交通信號控制決策。通過仿真實驗，在近飽和流量和干線存在初始排隊的情況下，將DDDQN方法與現(xiàn)有綠波方法，以及經(jīng)典深度Q網(wǎng)絡、雙重深度Q網(wǎng)絡、基于競爭架構深度Q網(wǎng)絡的干線協(xié)調(diào)控制算法進行對比，實驗結果表明基于DDDQN的干線動態(tài)協(xié)調(diào)控制算法性能優(yōu)于其他四種方法。

發(fā)表于：12/15/2020

基于云平臺的壓磚設備健康狀態(tài)分析方法設計[模擬設計][工業(yè)自動化]

基于運行數(shù)據(jù)對壓磚設備健康狀態(tài)進行分析，對于降低設備故障率、提升壓磚成品質(zhì)量具有重要意義。現(xiàn)有方案大多數(shù)局限于離線人工分析，實時性差且推廣效率低。針對上述問題，基于阿里云機器學習平臺設計了壓磚設備健康狀態(tài)分析方法，基于聚類方法構建了壓磚設備健康狀態(tài)模型，在無需先驗知識的情況下，對于壓磚設備的工作、待機、異常等健康狀態(tài)實現(xiàn)了建模。進而，將該模型部署于云計算平臺上，通過周期性的數(shù)據(jù)導入與分析實現(xiàn)了壓磚設備健康狀態(tài)的在線分析。最后通過實例證明了該方法的有效性。

發(fā)表于：12/15/2020

基于機器學習的Modbus_TCP通信異常檢測方法研究[模擬設計][工業(yè)自動化]

針對工業(yè)控制系統(tǒng)中Modbus_TCP協(xié)議存在的諸多安全隱患問題，提出了基于機器學習的Modbus_TCP通信異常檢測方法，分析了Modbus_TCP報文類型與結構特點，介紹了機器學習中決策樹分類模型算法的實現(xiàn)過程，建立了Modbus_TCP協(xié)議的模擬通信，使用了Scapy工具構造偽報文實現(xiàn)異常檢測。設置了樸素貝葉斯分類模型、邏輯回歸分類模型和傳統(tǒng)支持向量機分類模型的實驗與之對比，并且對模型的準確率、誤報率、漏報率和時間性能進行分析。分析結果表明，決策樹分類模型準確率高，消耗時間短，具有一定的優(yōu)越性。

發(fā)表于：12/15/2020

一種基于UKF的SOC估算方法[其他][汽車電子]

隨著新能源汽車市場規(guī)模的增長，電池管理系統(tǒng)(Battery Management Systems，BMS)的市場需求也進一步擴大。作為保障電池安全及延長電池壽命的BMS而言，動力鋰電池組的荷電狀態(tài)(State of Charge，SOC)估算是BMS研究的重點。在研究了安時積分法估算SOC時受SOC初始值影響較大，且具有累積誤差的問題，以及擴展卡爾曼濾波算法(EKF)估算SOC時收斂較慢的基礎上，采用二階RC等效電路模型對鋰電池進行建模分析，針對鋰電池各參數(shù)受SOC變化的影響，引進無跡卡爾曼濾波(UKF)算法，給出了鋰電池的SOC仿真實驗。實驗結果表明，該種基于UKF的估算方法對SOC的估算更準確，誤差更小且收斂速度快，對傳統(tǒng)采用定值電池參數(shù)BMS的改進具有重要意義。

發(fā)表于：12/15/2020

基于GWO-SVM算法的物聯(lián)網(wǎng)入侵檢測研究[其他][物聯(lián)網(wǎng)]

物聯(lián)網(wǎng)時代悄然而至，然而物聯(lián)網(wǎng)技術在給人們帶來方便的同時，其安全問題也日趨突出。針對物聯(lián)網(wǎng)存在的網(wǎng)絡入侵安全問題，提出GWO-SVM算法實現(xiàn)網(wǎng)絡入侵檢測。灰狼優(yōu)化算法(GWO)具有收斂速度快、全局搜索能力強等優(yōu)點，將GWO用于優(yōu)化支持向量機(SVM)的參數(shù)選擇，有助于提升分類模型的準確率。同時通過調(diào)整適應度值函數(shù)，避免分類模型過擬合。在UNSW-NB15數(shù)據(jù)集上，將GWO-SVM分類算法與SVM、PSO-SVM、GA-SVM分類算法進行對比，實驗結果表明，GWO-SVM算法具有更高的分類準確率和性能，適用于物聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡入侵檢測。

發(fā)表于：12/15/2020

云計算中心運維數(shù)據(jù)可視化研究[通信與網(wǎng)絡][數(shù)據(jù)中心]

針對云計算中心運維數(shù)據(jù)分散、可視化程度低等問題，提出了建設基于InfluxDB和Grafana的云計算中心運維指標可視化平臺。該平臺從多個維度對運維數(shù)據(jù)進行展示，使用戶能夠全面了解云計算中心運行情況，提高運維管理工作的效率。

發(fā)表于：12/15/2020

油田工業(yè)控制系統(tǒng)網(wǎng)絡安全解決方案研究[通信與網(wǎng)絡][安防電子]

工業(yè)控制系統(tǒng)現(xiàn)已廣泛應用在油田行業(yè)，隨著兩化融合、智慧油田建設進程的加速，油田工控網(wǎng)絡從相對封閉到趨于開放，工控系統(tǒng)的脆弱性和外部威脅被進一步放大，嚴重影響著國家油田行業(yè)的安全生產(chǎn)、穩(wěn)定運營。從油田工控實際需求出發(fā)，依據(jù)工業(yè)控制系統(tǒng)等級保護擴展要求，結合油田工業(yè)控制系統(tǒng)協(xié)議多樣、設備可靠性要求高、安全機制不能影響實時性等特點，從安全通信網(wǎng)絡、安全區(qū)域邊界、安全計算環(huán)境、安全管理中心等方面著手，研究貼合油田行業(yè)特征的工控網(wǎng)絡安全解決方案。

發(fā)表于：12/15/2020

淺談信息系統(tǒng)安全集成服務能力建設[通信與網(wǎng)絡][安防電子]

網(wǎng)絡安全已是國家戰(zhàn)略。從事信息系統(tǒng)安全集成服務企業(yè)的服務能力，對于信息系統(tǒng)建設具有重要的影響。安全集成服務認證作為一項自愿性認證受到廣大IT企業(yè)的認可。在從事安全集成服務認證審核中，發(fā)現(xiàn)依然存在一些共性方面的問題。剖析安全集成服務內(nèi)涵，總結分析企業(yè)在安全集成服務能力方面存在的問題及產(chǎn)生問題的主要原因，對于企業(yè)安全集成服務能力提升提出一些建議。

發(fā)表于：12/15/2020

基于控制圖的有軌電車能耗分析方法研究 [其他][智能交通]

針對傳統(tǒng)的有軌電車能耗分析方法缺少對異常數(shù)據(jù)的判斷分析，難以有效發(fā)現(xiàn)能耗數(shù)據(jù)特點以及各數(shù)據(jù)之間潛在關系等問題，提出結合控制圖與灰關聯(lián)分析法的有軌電車能耗分析集成方法。利用控制圖對能耗數(shù)據(jù)波動情況進行分析，并結合灰關聯(lián)數(shù)據(jù)分析算法對影響能耗數(shù)據(jù)因素進行分析，通過利用已開通運營的廣州有軌電車能耗數(shù)據(jù)進行仿真實驗，實驗結果表明有軌電車能耗分析法能夠更好地對各項能耗數(shù)據(jù)波動情況進行監(jiān)測，實現(xiàn)對能耗異常數(shù)據(jù)識別、找出影響能耗的相關因素，為有軌電車系統(tǒng)節(jié)能提供輔助決策，可為已運營的有軌電車系統(tǒng)能耗數(shù)據(jù)分析提供一定參考。

發(fā)表于：12/15/2020

立方攻擊研究進展[其他][其他]

立方攻擊是一種新型的代數(shù)分析方法，剛提出時對密碼算法的分析效果并不理想。但是在引入多重集合可分性、可分路徑的概念之后，立方攻擊的過程轉化為求解混合整數(shù)線性規(guī)劃問題,再使用數(shù)學軟件進行計算，大大提高了其分析能力。梳理了立方攻擊的技術脈絡，論述了其最新進展，給出了立方攻擊亟待解決的研究問題，這將有助于掌握立方攻擊的最新技術，便于開展對分組密碼、序列密碼和哈希函數(shù)等密碼算法的分析工作。

發(fā)表于：12/15/2020

具有關系敏感嵌入的知識庫錯誤檢測[人工智能][其他]

準確性與質(zhì)量對于知識庫而言尤為重要，盡管已經(jīng)有很多關于知識庫不完整性的研究，但是很少有工作者考慮到對于知識庫存在的錯誤進行檢測，按照傳統(tǒng)方法通常無法有效捕捉知識庫中錯誤事實內(nèi)在相關性。本文提出了一種知識庫具有關系敏感嵌入式方法NSIL，以獲取知識庫各關系之間的相關性，從而檢查出知識庫中的錯誤，以此提高知識庫的準確性與質(zhì)量。該方法分為相關性處理和錯誤檢測兩階段。在相關性處理階段，使用NSIL的相關函數(shù)以分值形式獲取各關系之間的相關度；在錯誤檢測階段，基于相關度分值進行錯誤檢測，對于缺失主體或客體的三元組進行缺失成分預測。最后在知識庫之一Freebase生成的基準數(shù)據(jù)集“FB15K”上進行了廣泛驗證，證明了該方法在知識庫錯誤知識檢測方面有著很高的性能。

發(fā)表于：12/15/2020